MétaCan
Menu
Retour à la cohorte
Enregistrement W4243357036 · doi:10.11647/obp.0193.22

Land

2020· book-chapter· en· W4243357036 sur OpenAlexaff
Navin Ramankutty, Hannah Wittman

Notice bibliographique

RevueOpen Book Publishers · 2020
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensAlberta Oil Sands Technology and Research AuthorityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGeographyPer capitaLand degradationConsumption (sociology)PopulationBiodiversityNatural resource economicsEnvironmental degradationAgroforestryEnvironmental protectionAgricultureEnvironmental scienceEcologyEconomicsArchaeologySocial scienceBiology

Résumé

récupéré en direct d'OpenAlex

This chapter analyzes past practices of global land use to propose a sustainable model of our relationship to the inhabitable Earth. Our Paleolithic ancestors first used fire to alter forest landscapes, contributing to the extinction of megafauna in the process. In the Neolithic, the invention of agriculture and the domestication of animals led classical commentators such as Plato to take note of soil erosion and soil degradation. The dawn of modernity and the European Age of Discovery, in addition to the genocide of peoples and cultures, has sent land use into overdrive. At the heart of our most recent ‘Green Revolution’ – the exponential increase in food production on a smaller per-capita land surface – lies a paradox. Not only has the application of synthetic fertilizers, pesticides and expanding monocultures caused widespread habitat destruction, degradation and loss of biodiversity, but more than 820 million people remain undernourished, despite this expansion. On the other hand, around 37% of the world population, mainly in the developed world, suffer from obesity as a result of excess calorific consumption, low in nutritional value. These inequalities point to a global imbalance in economic networks of production and consumption.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,1080,008

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Book PublishersMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207